Spatial Analysis Methods for Asbestos Exposure Research

석면노출연구를 위한 공간분석기법

김주영*·강동묵**^†

*양산부산대학교병원 석면환경보건센터, **부산대학교 의학전문대학원 예방의학 및 산업의학교실

Spatial Analysis Methods for Asbestos Exposure Research

Juyoung Kim* and Dongmug Kang**^†

*Pusan National University Yangsan Hospital, Environmental Health Center for Asbestos

**Pusan National University, School of Medicine, Department of Preventive and Occupational Medicine

ABSTRACT

Objectives: Spatial analysis is useful for understanding complicated causal relationships. This paper focuses trends and appling methods for spatial analysis associated with environmental asbestos exposure.

Methods: Literature review and reflection of experience of authors were conducted to know academic background of spatial analysis, appling methods on epidemiology and asbestos exposure.

Results: Spatial analysis based on spatial autocorrelation provides a variety of methods through which to conduct mapping, cluster analysis, diffusion, interpolation, and identification. Cause of disease occurrence can be investigated through spatial analysis. Appropriate methods can be applied according to contagiousness and continuity. Spatial analysis for asbestos exposure source is needed to study asbestos related diseases. Although a great amount of research has used spatial analysis to study exposure assessment and distribution of disease occurrence, these studies tend to focus on the construction of a thematic map without different forms of analysis.

Recently, spatial analysis has been advanced by merging with web tools, mobile computing, statistical packages, social network analysis, and big data.

Conclusions: Because the trend in spatial analysis has evolved from simple marking into a variety of forms of analyses, environmental researchers including asbestos exposure study are required to be aware of recent trends.

Keywords: asbestos, spatial analysis, spatial epidemiology, geographic information system (GIS)

I. 서 론

공간분석은 자연환경적 요인은 물론 인문사회적 요인에 의하여 발생될 수 있는 제반 현상을 이해하 는 유용한 접근 방법이지만 비교적 인지도가 낮은 편이었다. 그러나 최근 몇 십 년 사이 유의미하게 해석되고 적용분야가 확대되고 있다. 통계적 공간분 석의 이론적 기반은 통계학이지만 공간분석은 공간 에 따라 공간 자기상관성(spatial autocorrelation)이

존재하고 그에 따른 패턴이 존재함을 전제로 한다는 것이 커다란 차이점이라 할 수 있다. 즉 여러 조건 의 차이로 인하여 공간자기상관성이 존재하고, 공간 적 변이는 확률분포의 형태를 가진다. 따라서 공간 통계학으로 공간적 변이를 추론하고, 지리정보시스 템(geographic information system: GIS)으로 위치정 보를 처리하고 표시함으로써 현상에 대한 분석을 할 수 있다.

GIS는 넓은 의미로 인간의 의사결정 능력의 지원

†Corresponding author: Department of Preventive and Occupational Medicine, School of Medicine, Pusan National University, Yangsan, Gyeongsangnam-do, 626-870, Korea, Tel: +82-55-360-3771, Fax: +82-55-360-3779, E-mail: [email protected] Received: 24 October 2012, Revised: 26 October 2012, Accepted: 29 October 2012

을 위해 공간상 위치를 나타내는 도형자료(graphic data)와 이에 관련된 속성자료(attribute data)를 연결 하여 처리하는 정보 시스템으로서 다양한 형태의 지 리정보를 효율적으로 수집, 저장, 갱신, 처리, 분석, 출력하기 위해 이용되는 하드웨어, 소프트웨어, 지리 자료, 인적자원의 통합적 시스템이다.¹⁾

공간은 사회경제현상, 인구현상 및 자연현상 등 을 포괄하고 있으며, 독립적이지 않고 의존적이며 또한 좌표로 대치되는 차원을 가진다. 공간분석의 대 전제는 거의 모든 공간개체가 인접성에 따라 깊 은 상관성을 갖는다는 것이다. Tobler의 “지리 제1 법칙(the first law of geography)”에 따르면, “모든 것은 다른 모든 것과 관련을 맺지만, 가까운 것이 먼 것보다 더 밀접한 관련을 갖는다.²⁾” 즉, 관측된 데이터인 물리적 이격 거리 또는 밀집도 등에 따 라 개인 또는 사회 속성에 특정한 패턴이 존재하 게 된다.

한편, Tobler의 “지리 제1법칙”은 공간통계학과 일 반 통계학의 구분을 명확히 해 준다. 즉, 일반통계 학에서의 회귀분석 가정과는 달리 현실 속의 공간개 체(spatial entities)들의 분포는 무작위적인 현상이 아 니며 더욱이 독립적인 현상도 아니다. 일반적인 최 소제곱법(Ordinary Least Square: OLS)의 중요한 가 정은, 오류항이 서로 독립적이며 동일한 분포를 가져 야 한다는 것으로, 이는 공간상관성(spatial correlation), 공간의존성(spatial dependence), 또는 공간이질성 (spatial heterogeneity) 등 공간 영향의 존재에 관한 가정을 하지 않는다³⁾따라서 관측개체 및 오류항의

‘독립성 가정’은 위반된다.

전염병의 경우도 이에 해당된다. 역학연구에 있어 체계적인 공간분석이 적용된 지는 비교적 최근이라 할 수 있으나, 그 유용성이 높아짐에 따라 다양한 질환의 분석에 활용되고 있다. 환경성 노출에 의한 질환 역시 공간적 노출을 전제로 하므로 공간분석의 주요 적용 대상이 된다.

석면으로 인한 질환도 환경성 노출에 기인한 사례 가 많다. 즉, 직업력과 무관하게 석면노출원 주변 주 민들의 석면관련질환의 발병 사례가 다수 있으며, 석 면방직공장 주변 주민, 석면광산 주변 주민, 재개발 과 재건축 주변의 주민과 지하철 역사의 시민들 및 노후된 학교의 학생들 또한 환경성 석면노출의 대상 이 된다.⁴⁾

본 논문에서는 최근 사회적 관심도가 고조되고 있 는 환경성 석면노출연구와 관련하여 공간분석기법의 동향과 적용방안을 모색하고자 하였다.

II. 본 론 1. 공간분석 일반

1) 공간분석 프로세스

공간자기상관성은 공간개체들간의 유사성과 차이 성을 측정요약하여 보여주는 것으로 이러한 자기상 관성을 탐색하기 위한 방법으로 데이터의 지도그리 기(data mapping), Moran I 공간자기상관 계수 (Moran's I statistic of spatial autocorrelation), 국지 공간자기상관지표(local indicators of spatial association, LISA), Moran 산점도(scatterplot) 등이 있다.

공간분석은 Fig. 1에서 보이는 바와 같이 ‘자료의 선택(selection)’, ‘자료의 처리(manipulation)’, ‘자료 의 탐색적 분석(exploratory spatial data analysis:

ESDA 또는 ESA)’ 및 ‘자료의 확정적 분석(confirmatory spatial data analysis: CSDA)’ 등의 네 가지 과정으 로 나누어 전개된다.⁵⁾이 중 앞의 두 단계는 공간분 석을 위한 기본 작업 내지는 전처리(preprocess)작업 이라 할 수 있고, ESA는 자료의 패턴 탐색이나 시 공간적 군집여부의 조사, 공간적 상관관계 등을 분 Fig. 1. Major process of spatial analysis.

석하는 과정을 의미하며, CSDA는 예측모형을 정의 추정평가하는 과정을 의미한다. 일반적으로 공간분 석이라 함은 ESA를 의미하고 현재까지 나온 대부 분의 GIS 도구 역시 ESA 기능을 중심으로 구현되 어 있다.⁶⁾

2) 공간분석의 내용과 주요 기법

보건 분야에 사용되는 일반적인 공간 분석 기법은 질병 지도, 군집, 확산, 보간 및 위험 요소의 식별 등으로 구분할 수 있다.⁷⁾이를 다시 기술통계와 추 론통계라는 관점에서 분류하면, 질병지도와 군집분 석은 관측을 통하여 수집한 자료라는 관점에서 기술 통계에 가깝고, 확산, 보간 및 위험요소 식별 등은 표본 또는 한정된 측정치를 근거로 추론한다는 점에 서 추론통계에 근사한다.

질병 지도는 질병의 발생 위치, 지역별 발생률, 지역별 표준화 비율 등을 표시한 것을 말하며, 다 양한 변수와의 레이어 중첩을 통하여 직관성을 높 여주는 가시성을 제공해 준다. 또한 질병의 지리적 분포를 설명하거나, 가설의 설정, 질병율이 특히 높 은 지역에 대한 감시, 보건정책의 수립 때 보조자 료 활용 및 보건자원의 할당 등에 유용한 중요한 방법이다.

역학분야에서 군집이란 시공간적으로 발생한 보 건과 관련된 어떤 사건 값들에 대한 범역을 설정 하는 것이라 할 수 있다. 공간통계학에서의 일반적 인 관심사항은 일련의 점(point)들이 무작위로 분포 되어 있는지, 또는 일정한 군집을 형성하고 있는지 에 대한 것이다. 군집의 위치를 찾아내고자 하는 경우에 사용할 수 있는 방법이 바로 공간 검색 통 계량(spatial scan statistic)이다. 이러한 공간 검색 통계량은 지도 위의 둥근 원(circular window)으로 정의되며, 우도비(likelihood ratio)에 기초하여 둥근 원이 관심지역을 움직이며 이에 기초한 일련의 통 계적 작업을 수행하여 군집을 발견하게 된다.⁸⁾ 공 간군집은 공간 데이터의 종류에 따라 그 기법이 상 이하게 적용된다.

질병이나 어떤 사건의 확산은 일련의 시공간적인 지도로 시각화 할 수 있고, 확산모델은 일반적으로 확률론적 방법과 결정론적 방법 두 가지로 나누어진 다.⁹⁾ 공간 확산의 주요 이론은 1950년대 Torsten Hagerstrand에 의해 도입되었고 이때 Monte Carlo

시뮬레이션 기술을 응용하였다.

실측되지 않은 어떤 지점의 측정값을 예측하기 위 하여, 알려진 점들의 값을 이용하여 선형식(linear function)이나 다항식의 회귀분석(regression analysis), Fourier 급수, spline, moving average 및 Kriging 등 에 의한 보간치를 구할 수 있다.¹⁰⁾일반적으로 많이 사용하는 국지내삽방법은 역거리가중(Inversed Distance Weight: IDW) 내삽이다. 하지만, 이 방법 역시 국지적인 정보만을 이용하게 되므로 넓은 지역 에 걸쳐 보간하거나 알려진 측정값이 충분하지 않을 때 큰 왜곡을 갖게 된다. 따라서 정확한 내삽법으로 Kriging을 사용하게 된다. 이 방법은 원래 지구통계 학에서 비측량 산정을 위해 개발되었으며, 지금은 DTM (digital terrain model) 소프트웨어 패키지에서 널리 사용되고 있으며, 지형뿐만 아니라 대기 오염 이나 농도 등 다양한 형태의 데이터를 형상화하는데 사용되고 있다.

공간다중회귀모형의 경우 일반다중회귀모형에 공 간상관성을 추가한 것으로, 예를 들자면 두 교통량 측정 지점 사이 거리의 공간적 상관성을 모형화한 것이다. 두 지점의 거리가 가까우면 공간적 상관성 이 강하고 반대로 멀면 공간 상관성이 약하다. 일반 다중회귀모형을 이용할 때보다 공간다중회귀모형을 이용할 때 약 18%의 정확도가 향상되는 것으로 알 려져 있다.¹¹⁾

Table 1은 공간분석 전 영역에 대한 주요 분석기 법을 표시하고 있다. 한편, 공간분석기법을 자료와 분석 유형에 따라 분류하면 Table 2와 같다.¹²⁾

3) 공간분석 도구

자료 간에 상관관계가 존재하고 이를 공간 통계 모형으로 만들 수 있다면 공간통계 분석기법이 사용 될 수 있으며, 각 자료가 독립성이 있을 경우에는 굳이 공간통계기법을 사용하여 분석할 필요가 없다.

따라서 공간 통계학의 첫 단계는 각 자료가 독립인 지 아닌지를 검정하는 것이다. 검정 결과 각 자료가 독립이라는 결과가 나오면 공간통계분석 기법이 아 닌 다른 분석기법을 사용하여 분석하여야 한다.

공간통계분석 기법을 적용하는 것이 타당할 경우, 공간분석 설계는 문제에 대한 질문, 데이터정의 및 수집, 분석 방법 설정 및 타당성 검토, 데이터 처 리, 결과의 표현 및 검토 등의 과정을 통하여 진행된다.

Table 1. List and description of analysis methods of spatial analysis

Field Analysis method Remarks

Disease mapping Spatial data processing

Thematic map visualization

Descriptive statistics

Clustering

Point patterns

Nearest neighbor analysis

Quadrat analysis (cell count method) Spatial scan test

Cuzick and Edwards’ k-nearest neighbour test Ripley’s K-function

Rogerson’s cumulative sum (CUSUM) method

Areal data

Join count method Ohno method Geary’s and Moran's I Monte Carlo Simulation

Tango’s excess events test (EET) and maximized Excess events test (MEET)

Space-Time

The Knox test

The space-time k-function

The Ederer-Myers-Mantel (EMM) test Mantel’s test

Barton’s test

Jacquez’s k nearest neighbours test

Diffusion

Line analysis Inference statistics

Network analysis Trend-surface analysis Spatial adaptive filtering The expansion method

Interpolation and smoothing

Inversed Distance Weighted Kriging

Splining

Smoothing based on kernel functions Smoothing based on Bayesian models

Identification of Risk Factor

thematic map Vhoropleth maps

Synoptic mapping

regression modelling

Linear regression Poisson regression Logistic regression Multilevel models Area data & Point data Frequentist approaches

Bayesian approaches Continuous data Trend surface analysis

Generalized least squares models

공간분석의 유용성으로 인하여 여러 종류의 GIS 소프트웨어 프로그램들이 보급되어 왔고, 그 중 상 당수는 무료로 제공되고 있으며, 대부분의 소프트웨 어는 공간데이터 입력 및 편집, 속성 데이터 변환 및 관리, 그리기, 탐색적 분석, 공간자기상관성 및 공간 회귀분석 등의 기능을 갖고 있다.¹³⁾

최근 GIS 소프트웨어는 비용적인 측면에서의 무 료화, 소스코드의 공개화, 다양한 운영체계로의 이식 성, 웹과 모바일 플랫폼으로의 확장성 등의 추세를 보 이고 있다. 특히 웹 기반의 GIS 서비스가 증가하는 추세인데, 오픈 API (application programmable interface) 기반의 mesh-up 서비스를 제공하고, 상호 작용(interactive)하며 동적 매핑(dynamic mapping) 환경인 web 2.0 을 지향하고 있다.

2. 공간역학 적용 방법 및 사례

공간통계학은 공간개체들로부터 발견된 패턴과 공 간개체들간의 관계에 대한 확률론적인 속성을 연구 하는 학문을 의미한다.¹⁴⁾따라서 역학에서의 공간통 계학의 유용성 역시 공간상관된 오차와 측정치의 분 산에 따른 상대위험도를 평가하는데 그 주안점이 있

다고 할 수 있다.

특히 환경성 노출에 의한 질병의 경우, 노출원과 의 인접성이 질병발생에 결정적인 요인으로 작용하 므로 질병에 대한 시공간적 분석이 중요하다.

질병의 원인과 관련된 지식체계라고 할 수 있는 역학에 대한 연구를 통하여 위험요인과 중재효과에 대한 이해를 증진할 수 있다. 이러한 접근방식은 측 Table 2. Potentially useful statistical spatial analysis techniques in relation to geographic information system

Data Structure Dimensionality

Univariate Multivariate

Locational Data

Nearest Neighbor Analysis K- Functions

Bivariate K Functions Space Time Interaction Kernel Density Estimation

Kernel Regression Bayesian Smoothing - ICM Kernel Density Estimation Kernel Regression Bayesian Smoothing - ICM

Adaptive Kernel Density Estimation Kernel Regression

Bayesian Smoothing - ICM Adaptive Kernel Density Estimation Kernel Regression

Bayesian Smoothing - ICM

Attribute Data

Spatial Autocorrelation

Spatial Correlograms Multivariate Spatial Correlation Variograms

Trend Surface Analysis Kriging

Spatial Regression Co-Kriging

Spatial General Linear Modeling Cluster Analysis

Canonical Correlation Multidimensional scaling

Interaction Data Spatial Interaction Methods Augmented Spatial Interaction models

Fig. 2. Cholera incidence map, London, 1854.

정된 자료를 기반으로 이론적인 가설 도출을 강조한 철학자 칼 포프의 객관적 검증 방식과도 부합된다고 할 수 있다.

1) 공간 역학의 간략한 역사

역학에서 가장 기본적인 접근 방법은 질병 지도 (disease map)를 조사하고 시각화하고 다른 연관된 데이터와 중첩하여 직관적이고 가시적인 분석을 시 도하는 것이다. 공간분석이 역학에서 매우 중요한 과 학적 증거를 제시한 사례가 있다. 1854년 John snow 는 콜레라와 런던시내에 있는 오염된 우물과의 관계 를 규명하였다. Fig. 2에서 점은 사망자 발생수를 나 타내며, X 표시는 우물을 각각 나타낸다. 콜레라가 창궐하는 런던 시내 구석구석을 직접 다니며 작성한

이 지도는, 박테리아에 대한 지식이 없었던 19세기 에 특정한 우물의 식수가 콜레라 발병의 원인이라는 가설을 세울 수 있도록 하였다.

1950년대 Denis Burkitt은 Fig 3과 같이 중앙아프 리카의 특정 지역에 거주하는 어린이들이 비정상적 으로 턱이 붓는 것을 조사하여 버킷림프종을 발견하 였고, 이를 계기로 하여 바이러스(Epstein-Barr virus) 도 암을 일으킬 수 있다는 사실에 이르게 되었다.

2) 공간역학의 프로세스

공간 역학의 주된 목표는 공간 패턴을 설명하고, Fig. 3. Incidence area of Burkitt's lymphoma.

Table 3. Generic list of environmental variables relevant to epidemiological analysis

Category Variable

Location Longitude and Latitude, TM coordinates, UTM coordinates Artificial factor Distance from road

Distance from city light

Demographics Population, number of residents, number of workers, number of patients

Topography Altitude

Land cover Normalized Difference Vegetation Index (NDVI)^a-c

Temperature

Surface temperature^-e Ambient temperature^f Mid infra-red reflection area^a

Water and humidity

Vapor Pressure deficit^a-c Distance from river Cold cloud duration^a Possible evapotranspiration^g General climate Growth period^g

a Hay (2000); ^b Green and Hay (2002); ^c Hay et al. (2006); ^d Hay and Lennon (1999); ^e Price (1984); ^f Goetz et al. (2000); ^g Fischer at al. (2002)

Fig. 4. Conceptual framework of spatial epidemiological data analysis.

질병 군집을 식별하여 질병위험을 예측하고 방지하 는데 있고, 이를 달성하기 위한 일련의 프로세스는 Fig. 4와 같다. 즉, 공간데이터와 속성데이터를 기반 으로 하며 가시화, 탐색적 분석, 모델링을 통하여 기 술적 패턴을 분석하고, 공간적 상관성 및 패턴을 분 석하며, 이를 토대로 모델을 수립하여 평가 및 예측 을 수행할 수 있다.¹⁵⁾

3) 공간역학 데이터

연구의 목적 및 규모에 따라 차이는 있겠으나 공 간역학 수행을 위한 일반적인 변수 목록은 Table 3 과 같다.¹⁶⁾ 공간데이터는 점, 선, 면의 형태로 제공 되며, 각 변수들은 공간데이터의 각 속성으로 입력 되거나 병합될 수 있다. 때때로 텍스트 방식으로 기 록된 방대한 양의 점 데이터를 공간데이터로 일괄 변환하여 사용하고 여기에 각각의 변수를 대응할 수 도 있다.

4) 공간역학 주요 적용 사례

공간분석의 군집, 분산 및 보간기법과 관련하여 역 학연구에 실제로 적용된 다양한 사례가 있다.¹⁷⁾ Table Table 4. Cases of spatial analysis in epidemiology

Filed Test / Format Software Applied cases in epidemiology

Clustering

Joint counts SpaceStat, TSpStat Cluster of dental clinics

Ohno CLUSTER, TSpStat Cancer mortality by region

Gerry's c SpaceStat Bone cancer mortality

Moran's I CAST, SpaceStat, Statl, TSpStat Cancer, stroke, Lime disease

Poisson CLUSTER, TSpStat Heart disease, lupus, asthma

Nearnest Neighborhood CAST, Statl, TSpStat

kth NN CAST, SpaceStat, Statl, TSpStat

Gerry's c SpaceStat

Moran's I CAST, SpaceStat, Statl, TSpStat

Cuzick - Edwards CAST, Statl, TSpStat Leukemia, lymphoma

K-function SPLANCS(S-PLUS) Leukemia, Hodgkins' lymphoma

Geographic analysis machine Geographic analysis machine Leukemia

Spatial scan SaTScan Breast cancer, leukemia

Dispersion (diffusion)

Line analysis Developed program Spread of Rabies

Trend surface Arcview Spatial Analyst Small pox, cholera, Rabies

Spatial adaptive filtering Prediction of number of AIDS patients Expansion method

Interpolation

Splining Arcview Spatial Analyst

Inverse distance weighted Arcview Spatial Analyst

Kriging GeoEas, Arcview Spatial Analyst Rotavirus, infant mortality, influenza density, air pollution

Trend surface MapInfo, Arcview Spatial Analyst Regional pattern of Chlamydia pneumonia antibody

Fig. 5. Buffer analysis of asbestos factories.

4에서 보듯이 전염성이 없는 경우는 군집분석을 주 로 행하였고, 전염성이 있는 경우는 확산을 적용하 였으며, 병원체가 이산적이지 않고 연속적인 경우는 보간법을 주로 적용했음을 알 수 있다.

3. 석면노출과 공간역학

1) 국내외 석면관련 공간분석 사례

석면노출, 석면관련 질환자의 분포 등과 관련하여 국내외 공간분석 사례가 있다. 국내 석면노출원 분 석과 관련하여, 과거 부산에 위치하였던 주요 석면 공장의 생산량에 기초하여 근접성분석과 공간가중회 귀분석(geographically weighted regression: GWR)을 시도한 연구가 있다.¹⁰⁾ Fig. 5과 Fig. 6은 과거 부산 지역에서 운영되었던 주요 석면공장에 대한 생산량 기반의 버퍼 분석 결과와 부산시내 초중고등학교 레 이어와 중첩된 GWR 결과를 각각 보이고 있다.

국내 폐석면 광산의 위해도 평가(risk assessment) 와 관련해서는, GIS의 적지선정기법을 활용한 연구 가 있다. 이에 따르면 석면의 경우는 중금속 등과 같이 비산에 대한 모델링이 비교적 용이하여 위해성 평가가 다소 단순한 오염원과 달리, 위해도 평가에 있어 비산을 일으키는 요인과 인체노출에 미치는 영 향을 모두 고려해야 하기 때문에, 시나리오별 위해 성평가가 가능한 활동기반샘플링(activity-based sampling)에 의한 방법은 석면광해 복원기준 설정을 위한 위해도 평가에는 한계가 있으므로, GIS를 적 용하였다고 한다. 즉, 석면의 비산과 관련하여 지형

의 경사, 경사면의 방향, 풍향, 토양의 젖은 정도, 주 거지 여부, 도로 또는 농업여부 등이 고려되어야 하 므로, 토지피복도, 수치지형도, 토양도 등으로 경사 도와 방향 지도, 토양배수능력도를 추출하고, IDW 기법으로 보간하였으며, 각 위해성 요인들의 등급 값 을 추출하여 레이어별 주제도를 작성하였다.¹⁹⁾

전국의 석면슬레이트 지붕이 있는 건축물을 공간 적으로 시각화한 연구가 있다. 건축물대장을 데이터 베이스화하여 전국 6,836,352개 건축물의 18.09%인 1,236,464개의 슬레이트 지붕 건축물에 대한 건축물 종류별, 건축연도별 석면슬레이트 분포지도를 ArcMap 으로 작성하였다.²⁰⁾ 이와 유사하게 지적도와 건축물 대장을 이용하여 석면건축물의 위치를 파악하고, 데 이터베이스화한 후 다양한 주제도의 석면지도를 제 작한 연구도 있다. 석면주제도는 ArcMap을 이용하 여 제작하였고, Web 기반의 Flex를 활용한 Open Map API 서비스를 시뮬레이션 하였다. 초중고교와 석면건축물의 인접성 분석도 함께 수행하였다.²¹⁾

공간역학과 환경보건에 있어 공간위치정보 활용에 대한 연구에서는 공간위치정보의 불확실성과 부정확 성, 특히 주소매칭(geocoding)의 원리와 내재될 수 있는 오류를 지적하고, 공간역학에서 발생될 수 있 는 분석 오류를 고찰하였다. 공간분석에 기반을 둔 환경보건연구에는 올바른 주소 매칭 방법의 선정과 사용에 따른 노출측정/평가, 그리고 노출-건강관계에 미치는 영향에 대한 가능성을 주의해야 한다고 했다.²²⁾ 거주지 근접성과 중피종 발생 위험을 연구한 사례 Fig. 6. Result of geographical weighted repression.

Fig. 7. Mesothelioma Incidence near asbestos factory

가 있다. 캘리포니아에 있는 자연발생석면(naturally occurring asbestos: NOA)지역 주변 거주자에 대한 환자-대조군 연구 결과, NOA 중심으로부터 거리가 10km씩 멀어질수록 비차비(odds ratio)가 약 6.3%

감소하는 것으로 나타났다.²³⁾

한편, 이탈리아 북부 석면 노출이 높은 지역에 대 한 악성중피종의 공간 변이를 조사하였는데, 석면시 멘트 공장 인근 주민들의 중피종 발생 상대 위험도 는 10.5였고 거리가 멀어질수록 감소되었다.²⁴⁾ Fig. 7 은 공장 주변의 중피종 발생 현황을 표시하고 있다.

이탈리아 전국에 걸쳐 표준화 사망비(standardized mortality rate: SMR)에 의한 상대위험도를 구한 연 구에서는 공간분석방법으로 공간검색통계량(spatial scan statistics)에 의한 군집분석이 사용되었는데, 그 결과는 Fig. 8과 같다. 즉, SMR이 높은 군집일수록 석면노출원과의 인접성이 강하게 나타났다. 본 연구 의 결과, 석면시멘트 공장, 수리조선소 등 석면노출 원과 악성중피종과의 상관성이 재확인되었다.²⁵⁾

공간역학에 원격탐지를 응용한 사례로, 남아프리 카공화국 석면광산지역의 토양과 수질에 대하여 원

격탐지에 의한 석면오염을 모니터링한 연구가 있다.

실험에는 석면 광물의 스펙트럼 반사율, X-ray 회절, 전자현미경(scanning electron microscope: SEM)을 사용하였다. 원격탐지의 결과를 기존의 샘플분석법 과 비교한 결과, 공기질의 경우는 정확도가 높은 것 으로 나타났다. 따라서 넓은 지역을 스펙트럼분석을 통한 이미지 기반으로 모니터링하는 것이 기존 실험 실에서의 분석 방법보다 비용 대비 효과측면에서 유 리할 수 있음을 보여주고 있다.²⁶⁾

2) 석면노출 공간역학 수행상의 문제점 및 대안 환경성 석면노출을 위한 공간역학 연구는 과거의 공간적 상황을 고려해야 하기 때문에 적용함에 있어 어려운 점이 많은 편이다. 먼저, 긴 잠복기로 인하 여 과거 석면노출원에 대한 정보가 필요하다. 석면 노출원의 배출량정보, 실내외 측정정보가 충분하지 않는 상황에서 생산량 정보로 추정하는 방법이 있을 수 있으나 이 역시 생산되는 제품에 따라 노출정도 의 차이를 감안하여 제품의 종류별로 가중치를 설정 해야 하는 과정이 필요하다. 과거의 기상 및 지형정 보 또한 수집하기가 어려운 편이다. 따라서 과거 노 출원에 대한 정보를 신뢰성있게 재구축하는 과정이 필요하며, 아울러 실내외노출자료에 대한 광범위한 문헌연구 또한 수반되어야 한다. 현실적인 대안 중 하나로 상대적인 관점에서의 누적 노출량으로 비교 하는 방법이 고려될 수 있다. 즉, 어떤 석면질환자 의 전 생애 주거력을 기반으로 상대 누적 노출량을 비교하여 석면노출이력을 평가할 수 있다.

거주력의 확인 또한 기억에 의한 구술에 의존하고 있어 신뢰성이 떨어지는 편이다. 대안으로 석면관련 질환자의 초본을 제출받는 방안을 생각할 수 있으나 개인정보보호 측면을 고려하여야 하고, 주민등록법 이 1960년대 초부터 시행되어 그 전의 주거력을 파 악하기 어려운 한계를 가지고 있다. 이를 극복하기 위한 방법으로 사망진단서 또는 제적원부의 출생지 로 주거지를 갈음하는 방법을 고려할 수 있다,

IV. 결 론

공간분석과 관련하여 최근의 기술동향은 웹 서비 스 기반의 GIS, 3차원 GIS , 모바일 및 유비쿼터스 환경의 GIS, 시간의 변화에 따른 Temporal GIS (spatio-temporal GIS), OLAP(on-line analytic processing), Fig. 8. Cluster analysis of standardized mortality rate of

malignant mesothelioma in Italy.

data mining, data-warehouse, 제반 대용량 데이터 기 반의 사회망분석(social network analysis: SNA)모듈 과 GIS 연계 등 다양한 범위로 진화하고 있다. 특 히 S-plus와 ArcView의 연계, R과 google map의 연 계²⁷⁾에서 보듯이 공간통계 모듈과 GIS의 연계도 활 발히 진행되고 있다. 기존 GIS에서는 데이터 구축, 속성 추가, 공간분석의 순서로 우선순위 및 자원 투 입이 많았음에 반하여 공간분석이 우선시 되는 추세 로 발전하고 있으며, 데이터 역시 정적 공간위주에 서 시간적 변화를 적극적으로 수용하고 동적인 공간 정보서비스(dynamic mapping)로 변화하고 있다.

공간역학은 지리공간자료의 증가, 처리/분석 방법 론 및 도구들의 개발 등에 힘입어 최근 빠르게 성 장하고 있다.²²⁾ 그러나 국내의 경우 공간분석에 있 어 주제도 작성에 그치는 경향이 있고, 전술한 기술 적 발전 동향에 뒤쳐지는 경향이 있다. 특히 빅데이 터, SNA, 통계모듈과의 연계를 통한 공간역학 연구 에 대한 연구자들의 보다 다양한 시도가 요구된다.

석면노출과 관련하여서도 2010년 석면피해구제법 시행 이후, 석면피해 구제 신청자들에 대한 노출력 파악에 있어 공간역학의 역할이 요구된다. 또한 전 국적인 석면노출원의 과거, 현재, 미래에 대한 시공 간적 파악과 노출수준의 시각화 및 이러한 노출데이 터와 석면관련 질환 발생간의 상관관계 분석이 필요 하다. 또한 이러한 작업은 지역별 노출원에 근거한 발생 시뮬레이션 등을 활용한 예측을 통하여, 한정 적 국가 재원의 효율적 집행을 가능하게 할 것이다.

석면노출에 대한 시공간적인 파악과 더불어, 전국 단위의 석면노출관리를 위한 웹 표준 기반의 개방형 석면지도관리시스템이 구축되고 상호 개방적인 형태 로 운영이 된다면 석면으로 인한 질환을 예방하는 데 기여할 수 있을 것으로 판단된다.

참고문헌

1. National GIS portal http://ngis.go.kr/egis/egisp/gis_

book/pdf_files/Gis-pdf/GIS_1.pdf. [accessed 24 Oct.

2012].

2. Tobler WA. Computer movie simulating urban growth in the Detroit region. Econ Geogr. 1970;

46(2): 234-40

3. Kim KG. Exploration of spatial autocorrelation and utilization of spatial regression. J Korea Public

Adm. 2003; 6: 983-1001.

4. Kang DM. Health Effects of Environmental Asbes- tos Exposure. J. Env. Hlth. Sci. 2009; 35(2): 71-7.

5. Anselin L, Cohen J, Cook D, Gorr W, Tita G. Spa- tial Analyses of Crime. Measurement And Analysis Of Crime And Justice. 2000; 4: 213-62.

6. Yoo EH. The study of spatal statistical analysis in GIS environment. [dissertation], [Seoul]; Seoul National University; 1999.

7. Gesler W. The uses of spatial analysis in medical geography. a review. Soc Sci Med. 1986; 23: 963- 73.

8. Hong HP. Discovery of hotspot areas using a spa- tial clustering method and echelon analysis. J Korean Official Stat. 2003; 8(2): 131-53.

9. Morrill R, Gaile GL, Thrall GI. Spatial diffusion.

Newbury Park, CA, Sage Publications. 1988. p. 86.

10. Kim JY. A study on Geographical Interpolation Analysis of Korean Asbestos Factories. J Policy Sci. 2011; Vol. 6.

11. Jeong SY. A spatial statistics application for the study of traffic. J Natl Land Res. 2005; 285: 151-4.

12. Bailey TC. A review of statistical spatial analysis in geographical information systems, Spatial Analysis and GIS. (Eds) Stewart Fotheringham and Peter Rogerson, Taylor & Francis; 1994. p.18

13. Anselin L, Syabri E, Kho Y. Da G. An Introduction to Spatial Data Analysis. Geogr Anal. 2006; 38(1):

5-22.

14. Anselin L, Getis A. Spatial statistical analysis and geographical information systems. Ann Region Sci.

1992; 26: 19-33.

15. Pfeiffer DU, Robinson TP, Stevenson M, Stevens KB, Rogers DJ, Clements ACA. Spatial Analysis in Epidemiology. Oxford University Press. 2008. p. 3.

16. Robinson, TP, Franceschini G, Wint GRW. FAO’s Gridded Livestock of the World. Veterinaria Ital- iana. 2007. p. 43.

17. Moore DA. Carpenter TE. Analytical Methods and Geographic Information Systems: Use in Health Research and Epidemiology. Epidemiol Rev. 1999;

21(2): 146-147

18. Wikipedia, Comparison of geographic information systems software, http://en.wikipedia.org/wiki/Comparison_

of _GIS_software [accessed 24 Oct. 2012].

19. Choi JB, Son IL, Son JH. Health Risk Assessments using GIS Method for the Abandoned Asbestos Mines. J. Miner. Soc. Korea. 2011; 24(1): 43-53.

20. Kim YC, Son BH, Kim HY, Hong WH. A study on the Distribution Maps for Asbestos Cement Slate Using GIS, J Korea Inst Ecol Archit Environ. 2011;

11(3): 57-62.

21. Lee JM, Park JK, Han JY, Choi SY, Kim DM. A Study on the Construction of Asbestos Map Using GIS. Proceedings Korean Soc GeoSpatial Inform Syst. 2010; 131-134.

22. Han DW, Hwang SS. Spatial Epidemiology and Environmental Health: On the Use of Spatially Ref- erenced Health and Environment Data. J. Env. Hlth.

Sci. 2011; 37(1): 1-11.

23. Pan XL, Howard W. Wang DW, Beckett LA, Schenker MS. Residential Proximity to Naturally Occurring Asbestos and Mesothelioma Risk in Cal- ifornia. Am J Resp Crit Care Med. 2005; 172:

1019-25.

24. Maule MM. Modeling Mesothelioma Risk Associ- ated with Environmental Asbestos Exposure. Envi-

ron Health Perspect. 2007; 115(7): 1066-71.

25. Fazzo L, Santis M, Minelli G, Bruno C, Zona A, Marinaccio A, et al. Pleural Mesothelioma Mortal- ity and Asbestos Exposure Mapping in Italy. Am J Ind Med. 2012; 55: 11-24.

26. Petja BM, Twumasi YA, Tengbeh GT, Atanasova M. Spatial epidemiology risk assessment for reha- bilitated former asbestos mining areas in Limpopo Province, South Africa, using remote sensing and conventional analytical methods. South Afr J Epide- miol Infect. 2010; 25(3): 32-39.

27. Newton R, Deonarine A, Wernisch L. Displaying R spatial statistics on Google dynamic maps with web applications created by Rwui. Int J of Health Geogr. 24 Sep. 2012.